Clustering ¿Qué es?
Clustering es una técnica utilizada en minería de datos (dentro del área de la Inteligencia Artificial) para identificar de forma automática agrupaciones (clústeres) de elementos de acuerdo a una medida de similitud entre ellos. Esta técnica también se conoce como segmentación.
Clustering aplicado a la inteligencia de negocios
En el área del Business Intelligence, la técnica de clustering puede ser utilizada para organizar diferentes tipos de datos tales como productos, clientes o tiendas:
1.Segmentación de clientes
Departamentos como el de ventas o el de marketing se valen de este tipo de técnicas para conocer mejor a los clientes. Un claro ejemplo es la segmentación de clientes en base a su comportamiento a la hora de realizar una compra.
2.Segmentación de productos
De forma similar a la segmentación de clientes, la segmentación de productos distingue entre productos que tenga características similares, por ejemplo, la marca o el uso.
3.Segmentación de tiendas
Al igual que las dos anteriores, la segmentación de tiendas pretende realizar discriminaciones entre ellas en base a, ingresos o tamaños.
El clustering para la segmentación de clientes: un ejemplo
Para llevar a cabo la segmentación de clientes en inteligencia de negocio, se dividen y clasifican los mismos a través de grupos y subgrupos de forma que, dichos grupos se generan de la forma más diferenciada posible. Información como su educación o su empleo son datos que, analizados y cruzados, nos proporcionan valor.
Optimizar la segmentación para mejorar la conversión
Cómo caso aplicado al marketing, se utiliza para segmentar la base de datos y enviar una promoción al objetivo correcto para ese producto o servicio. Las combinaciones de variables son infinitas y hacen que el análisis de conglomerados sea más o menos selectivo de acuerdo con los requisitos de búsqueda.
Usando una herramienta de minería de datos podemos extraer el perfil de un cliente valioso. Así, podemos crear campañas de marketing online para el perfil de cliente más deseado.
La minería de datos optimiza la identificación y segmentación de aquellos atributos de un cliente que se pueden usar para crear y comenzar una nueva campaña de marketing digital.
También descubrirá a través de cuáles de estos atributos obtendrá más éxito y una mejor respuesta de su audiencia. El Clustering simple de K-Means por ejemplo, es un algoritmo de aprendizaje no supervisado que nos permite descubrir nuevas correlaciones de datos.
Por ejemplo, a través del conjunto de datos elegido en este caso, se puede probar si una campaña basada en el trabajo de los clientes es más eficiente que una dirigida a su edad.
Comenzando con la información ofrecida por los clientes, se pueden crear campañas personalizadas. La respuesta de los clientes hacia estos es probable que sea positiva y estarán más interesados en estas comunicaciones que en una campaña general no personalizada.
Conceptos relacionados: Buyer Persona vs Jobs-to-be-done
Por lo tanto, la tasa de éxito de una campaña será considerablemente más alta que si hubiéramos utilizado un método tradicional de segmentación. Además, podremos reducir los costes asociados a los recursos dedicados a la segmentación manual.
Tipos de segmentación habitualmente utilizados:
Segmentación Descriptiva y Clasificativas:
● Por demografía (género, edad, estado civil, etc…)
● Por área geográfica (ciudad, país, región urbana, región rural, etc…)
● Por estilo de vida
● Por nivel socioeconómico (clase social, ocupación, salario)
● Por criterios de conducta al comprar
● Por análisis psicográfico (análisis de atributos relacionados con sentimientos, conductas, pensamientos usando dimensiones como personalidad, valores o estilo de vida).
Segmentación estratégica:
● Propensión a la compra
● Fidelidad
● Riesgo de abandono (para conocer el valor futuro de un cliente)
● Venta cruzada (cross selling).
Conclusiones de la técnica clústering
La minería de datos ofrece herramientas para conocer información valiosa de cara a mejorar la toma de decisiones empresariales. Gracias al método de segmentación de clientes, éstos pueden ser diferenciados a través de sus datos, lo que permite saber qué clientes son valiosos para la empresa, así como qué productos son los que más compran además de por quién y dónde.
Artículos relacionados:
Metodología: La teoría de la decisión
Árboles de decisión en Data Mining
Segmentación: ¿Quíen es tu cliente?
Vídeos:
https://www.coursera.org/lecture/mineria-de-datos-introduccion/algoritmo-k-means-i-odZgc
https://www.coursera.org/lecture/mineria-de-datos-introduccion/algoritmo-k-means-ii-vjBki
